CN111125638A - 一种有源配电网规划模型的构建方法、装置和计算设备 - Google Patents
一种有源配电网规划模型的构建方法、装置和计算设备 Download PDFInfo
- Publication number
- CN111125638A CN111125638A CN201911281787.2A CN201911281787A CN111125638A CN 111125638 A CN111125638 A CN 111125638A CN 201911281787 A CN201911281787 A CN 201911281787A CN 111125638 A CN111125638 A CN 111125638A
- Authority
- CN
- China
- Prior art keywords
- planning
- node
- active power
- distribution network
- investment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 239000003990 capacitor Substances 0.000 claims abstract description 27
- 230000004044 response Effects 0.000 claims abstract description 24
- 238000009434 installation Methods 0.000 claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000012423 maintenance Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 17
- 238000004880 explosion Methods 0.000 description 14
- 239000000243 solution Substances 0.000 description 13
- 238000010248 power generation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005474 detonation Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007727 cost benefit analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
Abstract
本发明公开了一种有源配电网规划模型的构建方法，在计算设备中执行，包括：建立有源配电网规划模型，该模型包括目标函数和约束条件；获取有源配电网的基本参数，并以规划期内的总投资额最小为目标，采用预定种群算法对规划模型进行求解，输出有源配电网***的最优规划方案，该最优规划方案中包括规划成本、规划容量和规划位置；其中，目标函数为J＝CDG+CL+CCap+CSW+VDR，其中J为规划期的总投资额，CDG为规划期内分布式发电机组的投资和运行费用，CL为线路升级改造所需的投资费用和施工费用，CCap为备选电容器的投资费用，CSW为有功电源的安装和维护费用，VDR为需求侧响应费用的净现值。本发明还公开了对应的有源配电网规划模型的构建装置和计算设备。
Description
技术领域
本发明涉及电力***领域，尤其涉及一种有源配电网规划模型的构建方法、装置和计算设备。
背景技术
当前，积极发展分布式发电和需求侧响应，促进电力供需双侧的结构性转变成为电力行业的重要发展趋势。分布式电源出力具有一定的随机性和间歇性，随着分布式电源规模的增大，其接入对配电网可靠性的冲击将影响到整个电网的安全稳定运行，在有源配电网的规划过程中，引入需求侧响应可以平抑分布式电源接入对电网运行的影响，计及电网运行可靠性和需求侧响应的有源配电网规划是当前亟待进一步研究的热点问题。
目前对分布式发电接入配电网后的规划问题主要开展了以下两个方面的研究：一是从电网运行安全角度对有源配电网进行规划，以配电网安全运行为中心，采用随机潮流和机会约束技术建立了考虑安全约束的规划模型；另一是从电网投资商和运营商的利益最大化角度对有源配电网进行规划，在计及分布式发电投资商投资成本最小化和运营商成本最小化的基础上构建分布式电源规划优化模型；或者从电网年支出费用的角度出发，采用蒙特卡洛方法模拟分布式发电的出力，基于隐性编码方式的改进遗传算法，对待选新建或升级改造线路、DG的种类、位置和容量进行综合优化规划。
但从整体来说，目前的有源配电网规划中都较少考虑到需求侧响应，尤其未兼顾考虑电网运行可靠性和需求侧响应，导致计算结果不够准确，无法代表真实的规划需求。
发明内容
为此，本发明提供一种有源配电网规划模型的构建方法、装置和计算设备，以力图解决或者至少缓解上面存在的问题。
根据本发明的一个方面，提供了一种有源配电网规划模型的构建方法，适于在计算设备中执行，该方法包括步骤：建立计及电网运行可靠性和需求侧响应的有源配电网规划模型，该规划模型包括目标函数和约束条件；获取有源配电网的基本参数代入到规划模型中，并以规划期内的总投资额最小为目标，采用预定种群算法对规划模型进行求解，得到有源配电网***的最优规划方案，该最优规划方案中包括规划成本、规划容量和规划位置；其中，目标函数为J＝CDG+CL+CCap+CSW+VDR，式中，J为规划期的总投资额，CDG为规划期内分布式发电机组的投资和运行费用，CL为线路升级改造所需的投资费用和施工费用，CCap为备选电容器的投资费用，CSW为有功电源的安装和维护费用，VDR为需求侧响应费用的净现值。
可选地，在根据本发明的方法中，目标函数为：
式中，I为节点总数；i为节点；d为折现率；T为规划期的总年数；y为规划期的第y年；B为负荷段总数；b为第b个负荷段；CDG,F为分布式发电机组的年单位投资成本；
为分布式发电机组在节点i的容量；CDG,O为DG的运行成本；
为分布式发电机组在节点i负荷段b的输出功率；hb为分布式发电机组在负荷段b的年运行小时数；j为第j个节点；CLF为馈线的年固定投资成本；Gi，j为节点i和节点j之间馈线的地理成本因子；Li，j为节点i和节点j之间馈线的长度；
为馈线升级的布尔变量；CLV为馈线的年变动成本；S′i，j为馈线从节点i到节点j增加的容量；Cc为并联电容器的单位年投资成本；
为在节点i并联电容器的容量；
为一个表示在节点i是否安装有功电源的布尔变量；cg、ca、MC分别是为每个有功电源的购置费用、安装费用和年均维护费用。
可选地，在根据本发明的方法中，约束条件包括潮流约束、电压约束、线路容量约束、DG容量约束、电容约束、供电裕度约束、可靠性约束和电能质量约束中的一种或多种。
可选地，在根据本发明的方法中，潮流约束包括：
式中，Pi、Qi和Ui分别表示正常情况下节点i的有功功率、无功功率注入及电压幅值；Uj表示正常情况下节点j的电压幅值；Gij和Bij分别表示正常情况下***导纳矩阵的实部和虚部；θij表示节点i和节点j的电压相角差。
可选地，在根据本发明的方法中，电压约束包括：
式中，Vi，b表示在节点i负荷段b的电压幅值；Vmin和Vmax分别表示线路允许的最小和最大电压值。
可选地，在根据本发明的方法中，线路容量约束包括：
其中，
和
分别为在负荷段b、馈线i-j之间的有功和无功功率流；Si，j和S′i，j，b分别表示节点i到节点j之间已有的馈线容量和馈线增加的容量；
表示在负荷段b、节点i到节点j电流的功率角；M为预定数值。
可选地，在根据本发明的方法中，DG容量约束包括：
其中，
为分布式发电机组在节点i负荷段b的无功出力；
和
分别为分布式发电机组允许输出的最小和最大有功功率；
和
分别为分布式发电机组允许的最小和最大无功出力。
可选地，在根据本发明的方法中，电容约束包括：
式中，Qi为电容器注入的无功容量，QCmax为电容器的最大允许安装容量。
可选地，在根据本发明的方法中，供电裕度约束包括：
式中，IS是供电裕度值，S表示发电-负荷状态数；
和
分别表示在状态s第k个节点上的有功发电量和无功发电量；
和
分别表示在状态s第k个节点上的有功和无功用电量；
和
分别表示在状态s的有功网损和无功网损；η表示节点k在发电-负荷状态s下的概率。
可选地，在根据本发明的方法中，可靠性约束为：
K1≤K1，max，K2≤K2，max
式中，NLi表示节点i所连接的用户数量；K1是***平均中断频率指数的加权值，K2是***平均持续停电时间的加权值，K1,max和K2,max分别是所允许的K1和K2的最大值，λ1,i和λ2,i分别代表节点i的年故障率和年停电时间。
可选地，在根据本发明的方法中，电能质量约束为：
VSIe≤V e＝1,2,...,Nbr
式中，VSIe是电压稳定性值，V为固定值；Rij和Xij分别是支路k的电阻和电抗；Pj和Qj是支路k的接收端点j的有功功率和无功功率；Nbr为***支路总数。
可选地，在根据本发明的方法中，预定种群算法为烟花算法。
根据本发明的一个方面，提供了一种有源配电网规划模型的构建装置，适于驻留在计算设备中，该装置包括：模型构建单元，适于建立计及电网运行可靠性和需求侧响应的有源配电网规划模型，该规划模型包括目标函数和约束条件；模型求解单元，适于获取有源配电网的基本参数代入到规划模型中，并以规划期内的总投资额最小为目标，采用预定种群算法对规划模型进行求解，得到有源配电网***的最优规划方案，最优规划方案中包括规划成本、规划容量和规划位置；其中，该目标函数为J＝CDG+CL+CCap+CSW+VDR，式中，J为规划期的总投资额，CDG为规划期内分布式发电机组的投资和运行费用，CL为线路升级改造所需的投资费用和施工费用，CCap为备选电容器的投资费用，CSW为有功电源的安装和维护费用，VDR为需求侧响应费用的净现值。
根据本发明的一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如上所述的有源配电网规划模型的构建方法的指令。
根据本发明的一个方面，提供一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如上所述的有源配电网规划模型的构建方法。
根据本发明的技术方案，构建了计及电网运行可靠性和需求侧响应的有源配电网规划模型，在其目标函数中引入了需求侧响应费用并加强了电网供电裕度和可靠性约束。基于该模型所能准确得到最优的有源配电网规划方案，提高模型计算的准确率和代表性。本发明采用烟花算法对一个32节点***进行模型求解和算例分析，验证了其有效性和实用性。
附图说明
为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的结构框图；
图2示出了根据本发明一个实施例的有源配电网规划模型的构建方法200的流程图；
图3示出了根据本发明一个实施例的烟花算法求解模型的流程图；
图4示出了根据本发明一个实施例的有源配电网规划模型的构建装置400的结构图；以及
图5示出了根据本发明一个实施例的无序充电情形下***负荷需求的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是示例计算设备100的框图。在基本的配置102中，计算设备100典型地包括***存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和***存储器106之间的通信。
取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置，***存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。***存储器106可以包括操作***120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作***上利用程序数据124进行操作。程序数据124包括指令，在根据本发明的计算设备100中，程序数据124包含用于执行有源配电网规划模型的构建方法200的指令。
计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为服务器，例如文件服务器、数据库服务器、应用程序服务器和WEB服务器等，也可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、个人数字助理(PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。计算设备100还可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。在一些实施例中，计算设备100被配置为执行根据本发明的有源配电网规划模型的构建方法200。
图2示出了根据本发明一个实施例的有源配电网规划模型的构建方法200的示意图，该方法适于驻留在计算设备100中执行。
如图2所示，该方法适于步骤S210。在步骤S210中，建立计及电网运行可靠性和需求侧响应的有源配电网规划模型，该规划模型包括目标函数和约束条件。
其中，目标函数为J＝CDG+CL+CCap+CSW+VDR，其中J为规划期的总投资额；CDG为规划期内分布式发电机组(DR)的投资和运行费用；CL为线路升级改造所需的投资费用和施工费用；CCap为备选电容器的投资费用；CSW为有功电源的安装和维护费用；VDR为需求侧响应费用的净现值。
进一步地，目标函数的计算公式为：
式中，I为节点总数；i为节点；d为折现率；T为规划期的总年数；y为规划期的第y年；B为负荷段总数；b为第b个负荷段；CDG,F为分布式发电机组的年单位投资成本，元/MW；
为分布式发电机组在节点i的容量，MW；CDG,O为分布式发电机组DR的运行成本，元/MW；
为分布式发电机组在节点i负荷段b的输出功率(具体可为有功功率)，MW；hb为分布式发电机组在负荷段b的年运行小时数；j为第j个节点。CLF为馈线的年固定投资成本，元；Gi，j为节点i和节点j之间馈线的地理成本因子，其与距离远近、地形地貌、人口或建筑分布密度等相关，成本因子越高代表两节点之间的馈线连接难度越大。Li，j为节点i和节点j之间馈线的长度，km；
为馈线升级的0/1布尔变量，例如升级为1，不升级为0；CLV为馈线的年变动成本，元/MVA；S′i，j为馈线从节点i到节点j增加的容量，MVA；Cc为并联电容器的单位年投资成本，元/MVAr；
为在节点i并联电容器的容量，MVAr；
为一个表示在节点i是否安装有功电源的布尔变量，例如1为安装，0为不安装；cg+ca+MC[((1+i)T-1)/(i(1+i)T)]表示规划期内一个有功电源需要的总成本，其中cg、ca、MC分别是为每个有功电源的购置费用、安装费用和年均维护费用。这里，有功电源可以指开关，并假设开关的寿命等于规划期的时间。这里可认为等式右边中，第四个加号之后的所有项共同组成了VDR。
根据本发明的一个实施例，约束条件包括潮流约束、电压约束、线路容量约束、DG容量约束、电容约束、供电裕度约束、可靠性约束和电能质量约束中的一种或多种。
1)潮流约束的公式包括：
式中，Pi、Qi和Ui分别表示正常情况下节点i的有功功率、无功功率注入及电压幅值；Uj表示正常情况下节点j的电压幅值；Gij和Bij分别表示正常情况下***导纳矩阵的实部和虚部；θij表示节点i和节点j的电压相角差。
2)电压约束保证了线路电压水平在其允许的波动范围内，其公式包括：
式中，Vi，b表示在节点i负荷段b的电压幅值，MV；Vmin和Vmax分别表示线路允许的最小和最大电压值，MV。
3)线路容量约束指任何配电线路流过的潮流必须遵循线路的容量极限，线路升级的新投资也需要考虑这种约束。线路容量约束的公式包括：
其中，
和
分别为在负荷段b、馈线i-j之间的有功和无功功率流，MW和MVAr；Si，j和S′i，j，b分别表示节点i到节点j之间已有的馈线容量和馈线增加的容量，MVA；
表示在负荷段b、节点i到节点j电流的功率角；δi，b表示在节点i负荷段b的电压相位角，rad。M为预定数值，该数值是一个极大值，或足够大的值。这使得当
时，S′i，j，b为0；当
时，M的值足够大从而保证有足够大的空间来选择新线路。布尔变量
作为连续约束的“开关”，产生大于或等于线路升级所允许的最大容量。
4)DG容量约束是指DG单元的有功功率和无功出力都受其最大容量的限制，其公式包括：
其中，
为分布式发电机组(DR)在节点i负荷段b的无功出力MVAr；
和
分别为分布式发电机组允许输出的最小和最大有功功率，MW；
和
分别为分布式发电机组允许的最小和最大无功出力，MVAr。
5)电容约束保证电容器的安装容量不超过其允许的最大安装容量，且电容器注入的无功不能超过其安装的容量，其公式包括：
式中，Qi为电容器注入的无功容量，QCmax为电容器的最大允许安装容量，MVAr。
6)供电裕度约束在同时考虑有功和无功的基础上，由于***中存在概率性变化的发电原件和负载，这里选用多状态发电-负荷模型来计算***裕度指标。微网g的供电裕度指标定义为累计指标，考虑每个发电-负荷状态的概率，以及每个状态下微网的有功和无功网损。全***的供电裕度指标为所有微网有功无功的供电裕度指标之和。需要注意的是，通常DG的总输出电量低于配电网中用户的总用电量。这表明在含有几个微网的配电***中，当发电量多于微网中的用电量时，其他微网就会有储能单元存储多余的电能。为了使***的电能平衡性达到最优，这里的供电裕度指标考虑了微网发电的不足和富余两种情况。根据一个实施例，供电裕度约束的公式包括：
式中，IS是供电裕度值，S表示发电-负荷状态数；
和
分别表示在状态s第k个节点上的有功发电量和无功发电量，MW和MVAr；
和
分别表示在状态s第k个节点上的有功和无功用电量，MW和MVAr；
和
分别表示在状态s的有功网损和无功网损；η表示节点k在发电-负荷状态s下的概率。作为优选地，微网的有功和无功网损可以假设为当前状态下有功和无功负荷的5％，当然也可以是其他数值，本发明对此不作限制。
7)可靠性约束主要考虑配电***的可靠性，其综合了***平均中断频率指数(SFI)和***平均持续停电时间(SDI)这两种典型的指标来表示。这两种指标在配电***中通过年故障率(λ1)、年停电时间(λ2)来表示，每个节点的可靠性约束公式如下所示：
K1≤K1，max，K2≤K2，max
式中，NLi表示节点i所连接的用户数量；K1是***平均中断频率指数的加权值，K2是***平均持续停电时间的加权值，K1,max和K2,max分别是所允许的K1和K2的最大值，λ1,i和λ2,i分别代表节点i的年故障率和年停电时间。
8)电能质量约束主要是考虑DG的接入会对配电网的节点电压产生很大的影响，不合理的配置将不可避免地严重影响电压水平的稳定，使配电网承受负荷增长的能力受到限制。因此电压的稳定性对于***安全稳定运行十分重要，电能质量约束主要考虑电压稳定性VSI(Voltage Stability Index)，要保证所有VSI的值都小于一个固定值V<1，从而保证***电压的稳定性。电能质量约束的公式包括：
VSIe≤V e＝1,2,...,Nbr
式中，VSIe是电压稳定性值，V为一个固定值；Rij和Xij分别是支路k的电阻和电抗；Pj和Qj是支路k的接收端点j的有功功率和无功功率；Nbr为***支路总数。与VSIe中的最大值对应的支路称为***最薄弱支路，当***稳定时最薄弱支路对应的值一定小于1。而当***发生电压崩溃时，一定是从最薄弱支路开始的，fVSI越小则电压稳定性越好，越大则稳定性越差；当fVSI接近1时，***电压崩溃。因此，需要保证所有VSI的值都小于一个固定值V<1，从而保证***电压的稳定性。
随后，在步骤S220中，获取有源配电网的基本参数代入到规划模型中，并以规划期内的总投资额最小为目标，采用预定种群算法对规划模型进行求解，输出有源配电网***的最优规划方案，该最优规划方案中包括规划成本、规划位置和规划容量。
根据一个实施例，有源配电网的基本参数代入模型求解中所需要的采纳数，例如可包括以上各公式中等式或不等式右边的参数，例如获取电网负荷段总数B、节点总数I、DG的运行成本、节点容量、节点之间馈线长度、各项费用值、有功和无功功率、网损值、电阻电抗值、电压幅值、电压相位角、电流的功率角、用户数量，等等。
根据另一个实施例，最优规划方案还可以包括预备金率和设备类型，该设备类型例如分布式发电机组、馈线、备选电容器、有功电源等。其中，不同的预备金率可以得到不同的负荷损失目标值和增加容量值，以及能够确定该规划方案是否满足目标裕度水平。一般当输出的规划方案恰好满足目标裕度水平时，即可认为是最优规划方案。具体而言，所输出的最优规划结果中可以包括需要升级改造或者需要待选新建的变电站数目和位置、分布式发电机组的数目和位置、电容器的数目和位置、需改造或新建的馈线的长度和位置、有功电源的开启数目和位置、规划成本、规划容量中的一种或多种。
应当理解的是，存在多种单目标规划模型的求解方法，本发明不受限于具体的实现方式，所有能够对目标规划模型进行求解的方法均在本发明的保护范围之内。根据一个实施例，预定种群算法可以为粒子群算法或烟花算法。烟花算法是一种群体智能算法，对于一个最优化问题，尤其自变量是连续空间的最优化问题，在整个解空间内，根据烟花算法可有效迅速地找到全局最优解。将烟花被看作为最优化问题的解空间中一个可行解，那么烟花***产生一定数量火花的过程即为其搜索邻域的过程。
烟花算法的详细流程图如图3所示，其可以按照步骤S221-S226来进行模型求解：
首先，在步骤S221中，随机在可行解空间中产生N个位置xt，即n个烟花，每个烟花代表解空间中的一个可行解。
随后，在步骤S222中，根据优化目标函数计算每个烟花的适应度值，并计算每个烟花的***半径和***火花数，并据此评价烟花质量，以在不同***半径下产生不同数量的火花。在烟花算法中，每个烟花的***半径和***产生的火花数目是根据其相对于烟花种群中其他烟花适应度值计算得到的。对于烟花xi，其***半径Ai和***火花数目Si的计算公式分别为：
式中，ymin＝min(f(xt))，t＝1，2，…，N，是当前烟花种群中适应度最小值；ymax＝max(f(xt))，t＝1，2，…，N，是当前种群中适应度最大值；A是第一常数，用来调整***半径大小；M是第二常数，用来调整产生的***火花数目大小；ε是一个机器最小值，用来避免除零操作。
随后，在步骤S223中，产生***火花和高斯变异火花。其中***火花主要负责对烟花邻近区域的搜索，适应度值好的烟花在较小的邻近区域内产生较多的火花，反之，适应度值差的烟花在较大的邻近区域内产生较少的火花。相对于***火花，高斯火花的引入增强了种群的多样性。高斯变异火花产生的过程如下：首先在烟花种群中随机选择一个烟花xt，然后对该烟花随机选择一定数量的维度进行高斯变异操作。对于烟花xt的某一个选择得到的维度l执行高斯变异操作,即为x′tl＝xtl×w。式中，w～N(1，1)，N(1，1)表示均值为1、方差为1的高斯分布。
随后，在步骤S224中，计算种群的最优解，判定是否满足终止条件。如果满足，则在步骤S225中停止搜索，返回优化结果，输出最优规划方案。反之，则在步骤S226中，从烟花、***火花和高斯变异火花中选择一定数量的个体作为下一代迭代计算的烟花，并进入步骤S222中触发下一代迭代计算。
具体的选择策略为：假设候选者集合为K，烟花种群大小为N。候选者集合中适应度值最小的个体会被确定性地选择到下一代作为烟花，而对剩下的N－1个烟花的选择使用轮盘赌的方法在候选者集合中进行选择。对于候选者xt，其被选择概率的计算公式为：
式中，R(xt)为当前个体到候选者集合K除xt所有的个体之间的距离之和。在候选者集合中，如果个体密度较高，即该个体周围有很多其他候选者个体时，该个体被选择的概率会降低。烟花算法具有局部搜索能力和全局搜索能力自调节机制，其中每个烟花的***半径和***火花数是不同的，适应度值差的烟花的***半径较大，使其具有更大的探索能力(勘探性)。适应度值好的烟花的***半径较小，使其能够在该位置周围具有更大的挖掘能力(开采性)。而高斯变异火花的引入可以进一步增加种群的多样性，提高模型最优解的求解精度。
图4示出了根据本发明一个实施例的有源配电网规划模型的构建装置400的结构框图，该装置400可以驻留在计算设备100中。如图4所示，装置400包括：模型构建单元410和模型求解单元420。
模型构建单元410建立计及电网运行可靠性和需求侧响应的有源配电网规划模型，所述规划模型包括目标函数和约束条件。其中，目标函数为J＝CDG+CL+CCap+CSW+VDR，式中，J为规划期的总投资额，CDG为规划期内分布式发电机组的投资和运行费用，CL为线路升级改造所需的投资费用和施工费用，CCap为备选电容器的投资费用，CSW为有功电源的安装和维护费用，VDR为需求侧响应费用的净现值。模型构建单元410可以进行与上面在步骤S210中描述的处理相对应的处理，这里不再展开赘述。
模型求解单元420获取有源配电网的基本参数代入到规划模型中，并以规划期内的总投资额最小为目标，采用预定种群算法对规划模型进行求解，得到有源配电网***的最优规划方案，该最优规划方案中包括需求侧响应的种类、位置和容量。模型求解单元420可以进行与上面在步骤S220中描述的处理相对应的处理，这里不再展开赘述。
以下将采用具体案例来验证本发明所构建的规模模型的合理性，对于一个IEEE32节点***，其第一个***在径向配置中包含32个节点，在节点0处有两个变压器，其中一个变电容量为15MVA，另一个为16MVA，***的总峰荷需求是37MW。算例***的基本参数和基本假设如表1所示：
表1算例***基本参数
两个算例***规划的负荷损失目标(LOLE)均为2.8小时/年，停运成本为6000元/MWh，电价为7个负荷段的形式，运用负载比例因子(LSF)表示，如表2所示。两个算例***规划所需资源的投资成本如表3所示。此外，为便于分析，假设接入的分布式发电机组的功率因数均为0.95，年满载负荷利用小时数为4000小时。
表2电力市场价格
| 负荷等级(b) | LSF | ρ(元/MWh) |
| 1 | 0.4 | 63 |
| 2 | 0.5 | 90 |
| 3 | 0.6 | 132 |
| 4 | 0.7 | 198 |
| 5 | 0.8 | 300 |
| 6 | 0.9 | 427 |
| 7 | 1 | 624 |
表3***规划的投资成本
| 因素 | 固定成本 | 变动成本(元/MVA) |
| 馈线 | 96万元/km | 6300 |
| 变电站 | 125万 | 32万 |
| 分布式天然气汽轮机 | 522.5万 | |
| 电容器 | 32万 |
(1)基准***规划：运用提出的算法确定规划所需成本及预备金率γ。表4表示了迭代过程的输出结果，最终输出最优的γ值。经过三次迭代之后发现，当γ＝0.21时，得到的LOLE是2.29小时/年，这一结果满足目标裕度水平。此时，需要规划改造6段共6千米馈线，24.7MVA变压容量，5台分布式发电机组，所需要的配电***规划成本为4123.1万元，预备金率为0.21。
表4基准***迭代结果
| γ | 增加的容量(MVA) | LOLE(小时/年) | 目标LOLE(小时/年) | 是否满足裕度水平 |
| 0.15 | 21.4 | 3.47 | 2.80 | 否 |
| 0.2 | 24.1 | 3.17 | 2.80 | 否 |
| 0.21 | 24.7 | 2.29 | 2.80 | 是 |
(2)测试***(电动汽车渗透率为50％)规划：本部分考虑电动汽车充电对分布式***规划的影响，主要考虑智能充电和无控制充电两种情境下电动汽车充电对规划的影响。假设全部负载都在住宅区，到规划的最终年份时，每两户人家就有一台电动汽车。例如，在年份T，电动汽车的渗透率为50％。连接在每个节点的电动汽车的数量用每户平均每小时负载进行计算，其值为2.0833kW，平均每天充电时间为9小时。
A.智能充电情景(含需求侧响应)下，假设配电商对电动汽车的充电调度进行控制，需求侧响应成本为6元/kWh，总预算成本为600万元。运用本发明的算法确定规划所需成本及预备金率，可以看到γ＝0.31时满足目标裕度约束，而不是没有电动汽车时的γ＝0.21；这是因为电动汽车充电增加了***的负荷需求。这一水平下得到的最优规划结果包括一个变电站(31.5MVA)、5台分布式发电机组和7条馈线升级改造(7千米)，所需要的配电***规划成本为4551.9万元。
B.无序充电情景下，假设用户对电动汽车的充电行为是随机的，符合一般的生活行为规律。此时，***的负荷需求情况如图5所示。运用本发明的算法确定规划所需成本及预备金率，可以看到γ＝0.31时满足目标裕度约束，而不是没有电动汽车时的γ＝0.54。这一水平下得到的最优规划结果包括一个变电站(40MVA)、6台分布式发电机组和9条馈线升级改造(9千米)，所需要的配电***规划成本为5413.6万元。
综合来看，在基本情况下γ＝0.21，在电动汽车无控制情况下增加到γ＝0.54。这表明由于电动汽车的无控制充电增加的负荷将需要更高的预备金需求，同时，规划成本远高于智能充电情境下的成本水平。当考虑电动汽车智能充电情况，γ的值为0.31，对***规划的影响降低，且成本更低。
根据本发明的技术方案，针对有源配电网，兼顾电网运行可靠性和电能质量，给出了规划期为多年的配电***的全面规划方案。规划目标为确定最优的升级改造方案，分布式发电机组的位置及容量，配电***的变电站、电容器和馈线，考虑充电无控制及智能充电(含需求侧响应)情况下电动汽车的影响。为了确定配电***最佳规划方案，本发明给出了两个标准、成本-效益分析和裕度分析，并对该结果进行了综合处理。该规划方案框架可以实现量化影响，准确输出配电网络的升级改造需求，计算精度高，且可以应用到任何径向分布***当中，具有广泛的应用前景。
A8、如A3-A7中任一项所述的方法，其中，所述电容约束包括：
式中，Qi为电容器注入的无功容量，QCmax为电容器的最大允许安装容量。
A9、如A3-A8中任一项所述的方法，其中，所述供电裕度约束包括：
式中，IS是供电裕度值，S表示发电-负荷状态数；
和
分别表示在状态s第k个节点上的有功发电量和无功发电量；
和
分别表示在状态s第k个节点上的有功和无功用电量；
和
分别表示在状态s的有功网损和无功网损；η表示节点k在发电-负荷状态s下的概率。
A10、如A3-A9中任一项所述的方法，其中，所述可靠性约束为：
K1≤K1，max，K2≤K2，max
式中，NLi表示节点i所连接的用户数量；K1是***平均中断频率指数的加权值，K2是***平均持续停电时间的加权值，K1,max和K2,max分别是所允许的K1和K2的最大值，λ1,i和λ2,i分别代表节点i的年故障率和年停电时间。
A11、如A4所述的方法，其中，所述电能质量约束为：
VSIe≤V e＝1,2,...,Nbr
式中，VSIe是电压稳定性值，V为固定值；Rij和Xij分别是支路k的电阻和电抗；Pj和Qj是支路k的接收端点j的有功功率和无功功率；Nbr为***支路总数。
A12、如A1所述的方法，其中，所述预定种群算法为烟花算法。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的有源配电网规划模型的构建方法。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与本发明的示例一起使用。根据上面的描述，构造这类***所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机***的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。
Claims (10)
1.一种有源配电网规划模型的构建方法，适于在计算设备中执行，所述方法包括步骤：
建立计及电网运行可靠性和需求侧响应的有源配电网规划模型，所述规划模型包括目标函数和约束条件；
获取所述有源配电网的基本参数代入到所述规划模型中，并以规划期内的总投资额最小为目标，采用预定种群算法对所述规划模型进行求解，输出有源配电网***的最优规划方案，所述最优规划方案中包括规划成本、规划容量和规划位置；
其中，所述目标函数为J＝CDG+CL+CCap+CSW+VDR，其中J为规划期的总投资额，CDG为规划期内分布式发电机组的投资和运行费用，CL为线路升级改造所需的投资费用和施工费用，CCap为备选电容器的投资费用，CSW为有功电源的安装和维护费用，VDR为需求侧响应费用的净现值。
2.如权利要求1所述的方法，其中，所述目标函数为：
式中，I为节点总数；i为节点；d为折现率；T为规划期的总年数；y为规划期的第y年；B为负荷段总数；b为第b个负荷段；CDG,F为分布式发电机组的年单位投资成本；
为分布式发电机组在节点i的容量；CDG,O为DG的运行成本；
为分布式发电机组在节点i负荷段b的输出功率；hb为分布式发电机组在负荷段b的年运行小时数；j为第j个节点；CLF为馈线的年固定投资成本；Gi，j为节点i和节点j之间馈线的地理成本因子；Li，j为节点i和节点j之间馈线的长度；
为馈线升级的布尔变量；CLV为馈线的年变动成本；S′i，j为馈线从节点i到节点j增加的容量；Cc为并联电容器的单位年投资成本；
为在节点i并联电容器的容量；
为一个表示在节点i是否安装有功电源的布尔变量；cg、ca、MC分别是为每个有功电源的购置费用、安装费用和年均维护费用。
3.如权利要求1或2所述的方法，其中，所述约束条件包括潮流约束、电压约束、线路容量约束、DG容量约束、电容约束、供电裕度约束、可靠性约束和电能质量约束中的一种或多种。
4.如权利要求3所述的方法，其中，所述潮流约束包括：
式中，Pi、Qi和Ui分别表示正常情况下节点i的有功功率、无功功率注入及电压幅值；Uj表示正常情况下节点j的电压幅值；Gij和Bij分别表示正常情况下***导纳矩阵的实部和虚部；θij表示节点i和节点j的电压相角差。
5.如权利要求3所述的方法，其中，所述电压约束包括：
式中，Vi，b表示在节点i负荷段b的电压幅值；Vmin和Vmax分别表示线路允许的最小和最大电压值。
6.如权利要求3-5中任一项所述的方法，其中，所述线路容量约束包括：
其中，
和
分别为在负荷段b、馈线i-j之间的有功和无功功率流；Si，j和S′i，j，b分别表示节点i到节点j之间已有的馈线容量和馈线增加的容量；
表示在负荷段b、节点i到节点j电流的功率角；M为预定数值。
7.如权利要求3-6中任一项所述的方法，其中，所述DG容量约束包括：
其中，
为分布式发电机组在节点i负荷段b的无功出力；
和
分别为分布式发电机组允许输出的最小和最大有功功率；
和
分别为分布式发电机组允许的最小和最大无功出力。
8.一种有源配电网规划模型的构建装置，适于驻留在计算设备中，所述装置包括：
模型构建单元，适于建立计及电网运行可靠性和需求侧响应的有源配电网规划模型，所述规划模型包括目标函数和约束条件；
模型求解单元，适于获取所述有源配电网的基本参数代入到所述规划模型中，并以规划期内的总投资额最小为目标，采用预定种群算法对所述规划模型进行求解，得到有源配电网***的最优规划方案，所述最优规划方案中包括规划成本、规划容量和规划位置；
其中，所述目标函数为J＝CDG+CL+CCap+CSW+VDR，式中，J为规划期的总投资额，CDG为规划期内分布式发电机组的投资和运行费用，CL为线路升级改造所需的投资费用和施工费用，CCap为备选电容器的投资费用，CSW为有功电源的安装和维护费用，VDR为需求侧响应费用的净现值。
9.一种计算设备，包括：
至少一个处理器；和
存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-7中任一项所述方法的指令。
10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911281787.2A CN111125638A (zh) | 2019-12-13 | 2019-12-13 | 一种有源配电网规划模型的构建方法、装置和计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911281787.2A CN111125638A (zh) | 2019-12-13 | 2019-12-13 | 一种有源配电网规划模型的构建方法、装置和计算设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111125638A true CN111125638A (zh) | 2020-05-08 |
Family
ID=70498679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911281787.2A Pending CN111125638A (zh) | 2019-12-13 | 2019-12-13 | 一种有源配电网规划模型的构建方法、装置和计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111125638A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112734593A (zh) * | 2020-12-24 | 2021-04-30 | 国网北京市电力公司 | 配电网规划方法 |
| CN112990581A (zh) * | 2021-03-17 | 2021-06-18 | 云南电网有限责任公司电力科学研究院 | 一种馈线与分布式电源规划的优化方法 |
| CN113392535A (zh) * | 2021-06-28 | 2021-09-14 | Abb电网投资(中国)有限公司 | 蓄热式电采暖双层优化配置方法 |
| CN113449908A (zh) * | 2021-06-21 | 2021-09-28 | 国网山东省电力公司鱼台县供电公司 | 考虑需求侧资源的配电网规划方法及*** |
| CN113623710A (zh) * | 2021-08-18 | 2021-11-09 | 国网福建省电力有限公司经济技术研究院 | 考虑配网功率及供暖的蓄热式电采暖优化配置方法及装置 |
| CN117094537A (zh) * | 2023-10-19 | 2023-11-21 | 国网浙江省电力有限公司丽水供电公司 | 电网规划方法、装置、电子设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103514570A (zh) * | 2013-08-14 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网扩展规划综合优化方法 |
| CN108122068A (zh) * | 2017-12-05 | 2018-06-05 | 中国电力科学研究院有限公司 | 一种配电网风险规划方法及*** |
| CN108988325A (zh) * | 2018-07-11 | 2018-12-11 | 华北电力大学 | 一种计及分布式电源和电动汽车接入的配电网规划方法 |
-
2019
- 2019-12-13 CN CN201911281787.2A patent/CN111125638A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103514570A (zh) * | 2013-08-14 | 2014-01-15 | 国家电网公司 | 一种含分布式电源的配电网扩展规划综合优化方法 |
| CN108122068A (zh) * | 2017-12-05 | 2018-06-05 | 中国电力科学研究院有限公司 | 一种配电网风险规划方法及*** |
| CN108988325A (zh) * | 2018-07-11 | 2018-12-11 | 华北电力大学 | 一种计及分布式电源和电动汽车接入的配电网规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 欧阳邵杰等: "面向用户差异化需求的智能配电网综合资源优化规划和配置方法", 《电力建设》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112734593A (zh) * | 2020-12-24 | 2021-04-30 | 国网北京市电力公司 | 配电网规划方法 |
| CN112990581A (zh) * | 2021-03-17 | 2021-06-18 | 云南电网有限责任公司电力科学研究院 | 一种馈线与分布式电源规划的优化方法 |
| CN112990581B (zh) * | 2021-03-17 | 2023-09-22 | 云南电网有限责任公司电力科学研究院 | 一种馈线与分布式电源规划的优化方法 |
| CN113449908A (zh) * | 2021-06-21 | 2021-09-28 | 国网山东省电力公司鱼台县供电公司 | 考虑需求侧资源的配电网规划方法及*** |
| CN113392535A (zh) * | 2021-06-28 | 2021-09-14 | Abb电网投资(中国)有限公司 | 蓄热式电采暖双层优化配置方法 |
| CN113392535B (zh) * | 2021-06-28 | 2024-03-19 | Abb电网投资(中国)有限公司 | 蓄热式电采暖双层优化配置方法 |
| CN113623710A (zh) * | 2021-08-18 | 2021-11-09 | 国网福建省电力有限公司经济技术研究院 | 考虑配网功率及供暖的蓄热式电采暖优化配置方法及装置 |
| CN117094537A (zh) * | 2023-10-19 | 2023-11-21 | 国网浙江省电力有限公司丽水供电公司 | 电网规划方法、装置、电子设备和存储介质 |
| CN117094537B (zh) * | 2023-10-19 | 2024-01-05 | 国网浙江省电力有限公司丽水供电公司 | 电网规划方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111125638A (zh) | 一种有源配电网规划模型的构建方法、装置和计算设备 | |
| Gomes et al. | State-of-the-art of transmission expansion planning: A survey from restructuring to renewable and distributed electricity markets | |
| Deeba et al. | Evaluation of technical and financial benefits of battery‐based energy storage systems in distribution networks | |
| Aguado et al. | Battery energy storage systems in transmission network expansion planning | |
| Humayd et al. | Distribution system planning to accommodate distributed energy resources and PEVs | |
| Montoya et al. | Dynamic active and reactive power compensation in distribution networks with batteries: A day-ahead economic dispatch approach | |
| Bustos et al. | Energy storage and transmission expansion planning: substitutes or complements? | |
| Ghadimi et al. | PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives | |
| Adetunji et al. | An optimization planning framework for allocating multiple distributed energy resources and electric vehicle charging stations in distribution networks | |
| Lezama et al. | 2017 IEEE competition on modern heuristic optimizers for smart grid operation: Testbeds and results | |
| CN111244985B (zh) | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 | |
| CN108988325B (zh) | 一种计及分布式电源和电动汽车接入的配电网规划方法 | |
| Sadeghian et al. | Optimal placement of multi-period-based switched capacitor in radial distribution systems | |
| Saraswat et al. | A novel multi-zone reactive power market settlement model: A pareto-optimization approach | |
| CN109829834A (zh) | 一种储能***配置方法、装置和存储介质 | |
| Vitor et al. | Operation planning and decision-making approaches for Volt/Var multi-objective optimization in power distribution systems | |
| Strnad et al. | Optimal sizing of renewable sources and energy storage in low-carbon microgrid nodes | |
| CN110163445A (zh) | 一种电动汽车充电站选址方法、***及相关装置 | |
| Martins et al. | Sensibility analysis with genetic algorithm to allocate distributed generation and capacitor banks in unbalanced distribution systems | |
| Huang et al. | Evaluation of economic regulation in distribution systems with distributed generation | |
| Ahmadi et al. | Reinforcement of the distribution grids to improve the hosting capacity of distributed generation: Multi-objective framework | |
| CN116961052A (zh) | 一种分布式储能***的选址定容方法及*** | |
| Jin et al. | Optimal siting and sizing of EV charging station using stochastic power flow analysis for voltage stability | |
| Ferraz et al. | MILP model for volt-var optimization considering chronological operation of distribution systems containing DERs | |
| Wu et al. | Energy trilemma in active distribution network design: Balancing affordability, sustainability and security in optimization-based decision-making |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200508 |
|
| WD01 | Invention patent application deemed withdrawn after publication |